Disusun Oleh:
1. Resta Herlinda 23010067
2. Meilfiano Alfarizi 23010078
3. M. Al-Faqih 23010136
4. Zipi Putri 23010071
5. Muhamad Aditia. P 23010063
6. Fikky Dwira Adzifta. R 23010072
BAB I
PENDAHULUAN
1.1 Latar belakang
Algoritma Genetika adalah salah satu algoritma yang digunakan dalam sistem
cerdas untuk menyelesaikan masalah optimisasi, pencarian, dan pemodelan. Konsep
algoritma ini terinspirasi oleh proses evolusi dalam biologi, di mana individu yang
paling cocok akan bertahan hidup dan berkembang biak.
Dalam konteks sistem cerdas, Algoritma Genetika digunakan untuk mencari
solusi terbaik atau mendekati solusi terbaik untuk masalah yang kompleks dan sulit.
Algoritma ini bekerja dengan menggabungkan konsep genetika, seperti seleksi alami,
reproduksi, dan mutasi, untuk menciptakan populasi solusi yang berkembang dari
generasi ke generasi.
Pertama-tama, algoritma ini memulai dengan menginisialisasi populasi awal,
yang terdiri dari individu-individu atau solusi-solusi yang diwakili oleh kromosom.
Setiap kromosom mewakili satu solusi potensial untuk masalah yang ingin
diselesaikan. Selanjutnya, algoritma ini mengaplikasikan operator seleksi untuk
memilih individu-individu terbaik dari populasi saat ini. Individu-individu terbaik ini
akan dijadikan orangtua untuk menghasilkan generasi baru melalui operasi
reproduksi, seperti crossover dan mutasi.
Setelah itu, generasi baru atau populasi baru akan dihasilkan, dan proses
seleksi, reproduksi, dan mutasi akan terus berlanjut dalam siklus iteratif. Dalam setiap
generasi, individu-individu yang memiliki kualitas solusi yang lebih baik akan
memiliki peluang yang lebih besar untuk menjadi orangtua dan mewariskan
karakteristik solusi mereka ke generasi berikutnya. Proses ini berlanjut hingga kriteria
berhenti tercapai, seperti mencapai solusi yang memuaskan atau mencapai batasan
waktu atau sumber daya yang telah ditentukan sebelumnya. Dalam sistem cerdas,
Algoritma Genetika telah berhasil diterapkan dalam berbagai bidang, seperti
optimisasi parameter, pengenalan pola, pengendalian robot, dan pembelajaran mesin.
Keunggulan algoritma ini terletak pada kemampuannya untuk mengeksplorasi ruang
pencarian secara paralel dan mencapai solusi yang baik dalam waktu yang relatif
singkat.
Dengan demikian, Algoritma Genetika adalah algoritma yang efektif dan kuat
dalam sistem cerdas untuk menyelesaikan masalah optimisasi dan pencarian. Melalui
konsep genetika dan proses evolusi, algoritma ini memberikan cara yang inovatif dan
efisien untuk menghasilkan solusi yang baik dalam berbagai konteks aplikasi..
1.2 Tujuan
1. Memahami definisi penting dalam algoritma Genetika.
2. Memahami hal-hal yang harus dilakukan dalam Algoritma Genetika.
3. Mengetahui siklus Algoritma Genetika.
4. Memahami hal penting yang harus diperhatikan dalam pemakaian Algoritma Genetika.
5. Mengetahui contoh penggunaan Algoritma Genetika
BAB 2 PEMBAHASAN
2.6 Hal Penting yang Harus Diperhatikan Dalam Pemakaian Algoritma Genetika
Beberapa hal yang perlu diperhatikan dalam pemakaian Algoritma Genetika
adalah :
● Algoritma Genetika adalah algoritma yang dikembangkan dari proses pencarian
solusi menggunakan pencarian acak, ini terlihat pada proses pembangkitan
populasi awal yang menyatakan sekumpulan solusi yang dipilih secara acak.
● Berikutnya pencarian dilakukan berdasarkan proses-proses teori genetika yang
memperhatikan pemikiran bagaimana memperoleh individu yang lebih baik,
sehingga dalam proses evolusi dapat diharapkan diperoleh individu yang terbaik.
00000000 berarti 0
11111111 berarti 1
A. Definisi Individu
Individu dinyatakan dalam 8 gen biner, dengan batas 0 sampai dengan 1,
berarti 1 bit setara dengan 2-8.
Contoh :
10001001 = (128+8+1)/256 = 0.5352
00110100 = (4+16+32)/256 = 0.2031
01010010 = (2+16+64)/256 = 0.3203
B. Fungsi Fitness
Fungsi Fitness adalah fungsi f(x), karena yang dicari adalah nilai maksimum.
E. Cross-Over
F. Mutasi Gen
Mutasi gen adalah proses penggantian gen dengan nilai inversinya, gen 0
menjadi 1 dan gen 1 menjadi 0. proses ini dilakukan secara acak pada
posisi gen tertentu pada individu-individu yang terpilih untuk
dimutasikan. Banyaknya individu yang mengalami mutasi ditentukan oleh
besarnya probabilitas mutasi.
G. Contoh Hasil Algoritma Genetika
Contoh hasil Algoritma Genetika untuk permasalahan ini adalah :
BAB III
PENUTUP
3.1 Kesimpulan
Algoritma genetika yang merupakan cabang dari algoritma evolusi adalah
metode yang biasa digunakan untuk memecahkan suatu pencarian nilai dalam sebuah
masalah optimasi. Algoritma ini didasarkan pada proses genetik yang ada dalam
makhluk hidup. Beberapa hal penting yang dilakukan dalam penggunaan algoritma
genetika yaitu diantaranya karakteristik individu dan nilai fitness dari individu
tersebut. Contoh dari penggunaan algoritma genetika yaitu Mencari Nilai Maksimal
Fungsi F(x)=e-2x.sin(3x). Dimana ada beberapa langkah dalam proses perhitungannya
yaitu :
a) Definisi individu,
b) Fungsi Fitness,
c) Membangkitkan populasi awal,
d) Seleksi,
e) Cross-Over,
f) Mutasi Gen,
g) Hasil yang merupakan hasil akhir perhitungan menggunakan algoritma genetika.
3.2 Saran
Penulis menyadari jika dalam penyusunan makalah di atas masih banyak ada
kesalahan serta jauh dari kata sempurna. Oleh karena itu, penulis mengharapkan kritik
serta masukan dari para pembaca yang diharapkan dapat menjadi motivasi untuk
penulis dalam penulisan makalah kedepannya.
DAFTAR PUSTAKA
Kumar, M., Husain, M., Upreti, N., & Gupta, D. (2010). Genetic algorithm:
Review and application.